Hydrogen est arrivé le 12 novembre comme le modèle d’exécution rapide de la famille Gemini 4, celui que Google a construit pour le codage quotidien et le travail d’agent. Puis vient le rebondissement qui façonne votre facture. Gemini 4 Hydrogen réfléchit à high par défaut. Un modèle vendu sur la vitesse commence chaque tâche au deuxième réglage de raisonnement le plus profond qu’il possède, et les jetons de réflexion se facturent au taux de sortie.
Ce défaut n’est pas une erreur. Google rapporte de solides résultats à high, et beaucoup de travail d’agent a besoin d’un vrai raisonnement avant le premier appel d’outil. Mais le travail de routine paie le même péage. Une vérification de routage, un résumé, une courte extraction et une dure session de débogage commencent tous à high sauf si votre code dit le contraire. Ce tutoriel met ce cadran entre vos mains.
Ce que vous allez construire ou apprendre
Vous terminerez avec un petit utilitaire Python qui appelle gemini-4-hydrogen à n’importe lequel de ses quatre niveaux, plus le même appel en REST brut pour les piles qui n’utilisent pas le SDK Python. En chemin, vous apprendrez à quoi sert chaque niveau, dans les mots que Google utilise dans son guide de réflexion, et comment prouver un choix de niveau avec des chiffres tirés de votre propre charge de travail au lieu de l’habitude.
Vous apprendrez aussi les trois faits qui rendent ce cadran digne d’être réglé. Les jetons de réflexion comptent comme des jetons de sortie pour la facturation, à 7,50 $ par million de jetons de sortie au palier standard payé. La réflexion, l’entrée et la sortie puisent toutes dans une seule fenêtre partagée de 1 048 576 jetons. Et un segment de réponse unique plafonne à 65 536 jetons de sortie, réflexion comprise, alors un niveau profond et un plafond bas peuvent dépenser tout le budget en pensée et ne retourner aucune réponse du tout.
Quatre niveaux, quatre tirages de levier. Plus le tirage est grand, plus le modèle dépense de pensée avant de répondre. Illustration : Dirty Static
Avant de commencer
Apprenez d’abord les rejets, parce que Hydrogen refuse deux réglages que du code plus ancien peut encore porter. Le niveau minimal n’est pris en charge par aucun modèle Gemini 4, Hydrogen compris, et une demande qui le demande échoue. L’ancien contrôle thinking_budget appartient à Gemini 2.5 et aux modèles plus anciens. La couverture des notes de migration de Hydrogen et le guide de réflexion s’entendent pour dire que Hydrogen le rejette, et envoyer thinking_level et thinking_budget ensemble retourne une erreur sur les modèles Gemini 3 et plus récents dans tous les cas. Un cadran à la fois, et sur Hydrogen ce cadran est le niveau.
Une note de portée. Ce tutoriel suit la forme API Gemini du réglage, où le champ se trouve dans thinkingConfig. Google Cloud documente les mêmes niveaux pour sa plateforme d’entreprise, avec les mêmes valeurs et le même défaut pour Hydrogen, et la forme Python là utilise thinking_config de la même façon. Les noms de niveau, les défauts et les rejets dans ce tutoriel ont été vérifiés par rapport à ce guide de réflexion de Google le 13 novembre 2026. Aucun appel en direct avec une vraie clé n’est revendiqué ici.
| Niveau | Guide de Google en bref | Travail qui lui convient |
|---|---|---|
low | Moins de jetons de réflexion, réponses plus rapides, faible complexité de tâche | Routage, classification, courts résumés, extraction |
medium | Équilibre la qualité de raisonnement et la latence, complexité moyenne | Codage général, questions sur des documents, travail interactif |
high | Raisonnement profond, résolution de problèmes en plusieurs étapes, vérifications formelles de code, usage d’outils sur plusieurs tours. Défaut sur Hydrogen | Exécutions d’agent, débogage dur, analyse complexe |
xhigh | Capacité de réflexion maximale, pour les mathématiques les plus dures, la science, les vérifications formelles et le travail logiciel de longue portée | Les rares tâches où high montre visiblement ses limites |
Étape 1 : installer le SDK et régler votre clé
Action : installez le SDK Google Gen AI, créez une clé dans Google AI Studio, et rangez la dans une variable d’environnement. Gardez la vraie valeur hors du code, des journaux et des clavardages, et utilisez la forme de remplacement dans chaque note que vous partagez.
pip install --upgrade google-genai
export GEMINI_API_KEY="your-key-here"
Résultat attendu : l’installation se termine et la variable est réglée pour cette session de shell. Le client SDK des prochaines étapes lit cette variable par lui même, alors aucune étape de ce tutoriel ne colle une clé dans une demande à la main, sauf l’en tête REST de l’étape 6, qui lit la même variable.
Étape 2 : faire un premier appel et lire le compte de réflexion
Action : exécutez cet appel sans aucun réglage de réflexion du tout. C’est votre point de référence, et sur Hydrogen le point de référence veut dire high.
from google import genai
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-hydrogen",
contents="Explain in two sentences why a queue forms at a single open checkout.",
)
print(response.text)
print(response.usage_metadata)
Résultat attendu : la réponse s’imprime, et le bloc d’usage s’imprime avec elle. Trouvez le compte de jetons de réflexion dans ce bloc. Ce compte est la partie de la facture que la plupart des équipes ne regardent jamais, et c’est le nombre que chaque étape suivante essaie de contrôler. Google avertit aussi qu’un modèle peut répondre à certaines demandes simples sans aucune partie de pensée du tout, même avec la réflexion allumée. Le code qui lit l’usage ou les résumés de pensée doit traiter un compte manquant ou vide sans échouer.
Étape 3 : régler faible pour le travail de routine rapide
Action : ajoutez une configuration de réflexion avec le niveau réglé à LOW. La forme Python nomme les classes de configuration du SDK, et les valeurs de niveau sont les membres d’énumération que le guide Google liste, LOW, MEDIUM, HIGH et XHIGH.
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-hydrogen",
contents="Classify this ticket as billing, shipping or product help: My invoice shows the wrong total.",
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=types.ThinkingLevel.LOW
)
),
)
print(response.text)
print(response.usage_metadata)
Résultat attendu : la même forme de réponse revient, plus vite, avec un compte de jetons de réflexion plus bas que le point de référence sur une invite de cette taille. C’est le niveau pour le travail à grand volume où chaque appel est simple et où le coût d’un rare raté est faible. Si la tâche est un jugement fixe avec un ensemble fixe de réponses, demandez vous si elle a besoin d’un modèle de clavardage du tout. Notre tutoriel sur l’API Gemini Decisions couvre cet outil plus étroit.
Étape 4 : régler moyen et élevé par tâche, pas par habitude
Action : enveloppez l’appel dans un petit utilitaire qui prend le niveau comme argument. Votre code peut alors router chaque classe de tâche vers un niveau à un seul endroit, où un changement est facile à examiner.
from google import genai
from google.genai import types
client = genai.Client()
def ask(prompt, level):
return client.models.generate_content(
model="gemini-4-hydrogen",
contents=prompt,
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(thinking_level=level)
),
)
draft = ask("Draft a commit message for a fix to a login timeout.", types.ThinkingLevel.MEDIUM)
review = ask("Review this function for race conditions and list each one you find.", types.ThinkingLevel.HIGH)
print(draft.text)
print(review.text)
Résultat attendu : les deux appels reviennent, et les blocs d’usage montrent l’écart entre les niveaux sur de vraies invites tirées de votre propre travail. medium est le point d’équilibre que Google décrit, adapté à une complexité moyenne. high gagne son coût sur les problèmes en plusieurs étapes, les vérifications formelles de code et l’usage d’outils sur plusieurs tours. Une note sur les longs clavardages s’applique aux deux niveaux. Les signatures de pensée, le registre chiffré de l’état de raisonnement que Google utilise pour garder le contexte entre les tours, voyagent avec la réponse. Si vous utilisez des sessions de clavardage ou si vous ajoutez des réponses complètes à votre historique, le SDK les traite pour vous. Si vous reconstruisez l’historique à la main, retournez les parties reçues en entier, ou les tours suivants peuvent perdre le fil.
Étape 5 : réserver très élevé pour les tâches les plus dures
Action : réglez le niveau à XHIGH seulement pour une tâche où high a déjà montré une vraie limite, comme une preuve, un dur problème de science ou une longue tâche logicielle avec beaucoup d’étapes liées.
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-hydrogen",
contents="Prove that the sum of the first n odd numbers equals n squared, and check each step.",
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=types.ThinkingLevel.XHIGH
)
),
)
print(response.text)
print(response.usage_metadata)
Résultat attendu : la réponse prend plus de temps à commencer et le compte de jetons de réflexion grimpe bien au delà de l’exécution à high d’une invite semblable. Cet échange est le but du niveau, et c’est aussi pourquoi il reste rare. xhigh est nouveau avec Hydrogen. Aucun autre modèle Gemini 4 dans le tableau Google ne l’offre, et Carbon et Argon s’arrêtent à high. Traitez le comme un outil de spécialiste, pas comme un nouveau défaut avec un meilleur nom.
Étape 6 : régler le même niveau en REST brut
Action : pour les piles sans le SDK Python, envoyez le niveau dans generationConfig dans le corps de la demande. Le nom de champ en REST est thinkingConfig et le champ de niveau dedans est thinkingLevel, écrit comme une simple chaîne.
curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemini-4-hydrogen:generateContent" -H "Content-Type: application/json" -H "x-goog-api-key: $GEMINI_API_KEY" -d '{"contents": [{"parts": [{"text": "Summarize this release note in one line: The server now retries failed uploads twice."}]}], "generationConfig": {"thinkingConfig": {"thinkingLevel": "low"}}}'
Résultat attendu : une réponse JSON revient avec le texte de réponse et un bloc d’usage qui porte le compte de jetons de réflexion sous son nom REST. Changez seulement la chaîne pour passer entre low, medium, high et xhigh. Si un corps de demande porte encore un champ thinkingBudget du code de l’ère Gemini 2.5, retirez le avant de déboguer quoi que ce soit d’autre. Ce champ est la raison la plus commune pour laquelle une demande Hydrogen saine revient comme une erreur.
Étape 7 : prouver le niveau le moins cher qui réussit encore
Action : construisez un petit ensemble de test tiré de votre propre travail, dix à vingt invites où vous savez déjà à quoi ressemble une bonne réponse. Exécutez chaque invite à low, medium et high, et à xhigh seulement pour les cas durs. Notez chaque réponse par rapport à votre bon résultat connu, et notez le compte de jetons de réflexion à côté de la note.
Résultat attendu : un tableau que vous pouvez défendre. La plupart des invites de routine réussissent à low ou medium, et l’économie par rapport au défaut high est visible dans les comptes. Un petit ensemble d’invites aura besoin de high, et ces invites définissent vos règles de routage à l’étape 4. Gardez l’ensemble de test et exécutez le de nouveau quand Google met le modèle à jour, parce qu’un niveau qui a réussi le mois passé est une affirmation sur une version de modèle, pas une loi de la nature.
Vérification
Exécutez ces vérifications et notez ce que vous voyez. Un appel sans niveau réglé se comporte comme high, et son usage montre un compte de réflexion sur toute invite qui a besoin de pensée. La même invite à low revient avec un compte plus bas et un départ plus rapide. L’appel REST de l’étape 6 retourne la même forme de réponse que les appels Python. Votre tableau d’ensemble de test de l’étape 7 nomme, pour chaque classe de tâche que vous exécutez, le niveau le plus bas qui a réussi, et votre code de routage utilise ces niveaux et aucun autre.
Terminez par la vérification d’argent. Prenez une invite à grand volume, chiffrez ses jetons de réflexion à 7,50 $ par million, une fois au compte high et une fois au compte le plus bas qui réussit dans votre ensemble de test. Multipliez l’écart par votre volume d’appels mensuel. Ce chiffre est ce que ce réglage vaut pour vous, dit dans vos propres nombres.
Dépannage
| Problème | Cause probable | Correction |
|---|---|---|
| La demande retourne une erreur 400 qui nomme le niveau de réflexion | Le niveau était réglé à minimal, qu’aucun modèle Gemini 4 ne prend en charge | Utilisez low comme plancher sur Hydrogen et retirez toute valeur minimal laissée par du code de l’ère Gemini 3 |
| La demande retourne une erreur après un passage depuis Gemini 2.5 | Le corps porte encore thinking_budget ou thinkingBudget, ou il porte ce champ à côté du niveau | Retirez le champ de budget et réglez le niveau seul, comme aux étapes 3 et 6 |
| La réponse est vide et la raison de fin parle d’une limite de jetons | La réflexion a dépensé tout le plafond de sortie avant qu’un texte de réponse soit produit | Montez la limite de jetons de sortie pour cet appel, jusqu’au plafond de segment de 65 536, ou baissez le niveau pour cette invite |
Les exécutions à xhigh semblent lentes et la facture grimpe sans de meilleures réponses | Le niveau est réglé sur des invites qui n’en ont pas besoin, et le modèle réfléchit trop au travail simple | Retournez ces sites d’appel à high ou plus bas et réservez xhigh aux tâches où high a échoué dans votre ensemble de test |
| Aucun résumé de pensée ni compte de réflexion n’apparaît sur une invite simple | Le modèle a répondu à une demande de faible complexité sans parties de pensée, ce qui peut arriver selon Google | Traitez un compte manquant comme zéro pour la notation et ne faites jamais échouer une demande parce que les champs de pensée sont vides |
| Changer le niveau semble ne rien changer sur un long clavardage | L’historique reconstruit a laissé tomber les signatures de pensée qui portent l’état de raisonnement entre les tours | Utilisez une session de clavardage, ou ajoutez des objets de réponse complets à l’historique, pour que le SDK retourne les signatures pour vous |
Prochaines étapes
Branchez les niveaux aux endroits où le travail entre dans votre système. Donnez à chaque file, route ou outil un niveau nommé dans la configuration, pour qu’un changement soit une modification de configuration avec une trace d’examen, et pas une chasse dans les sites d’appel. Puis revoyez la division elle même une fois par mois. Les tâches qui rétrécissent jusqu’à un jugement fixe peuvent quitter le modèle de clavardage au complet, comme le montre le tutoriel de l’API Decisions lié à l’étape 3. Les tâches qui grandissent en étapes et en appels d’outils peuvent gagner high plus souvent qu’au début.
L’habitude qui vaut la peine d’être gardée est simple à dire et facile à sauter. Ne laissez jamais un défaut choisir votre budget de raisonnement pour vous. Hydrogen commence à high parce que Google a choisi un réglage général sûr. Votre charge de travail n’est pas générale, et votre code peut maintenant le dire, un niveau par tâche.
Faits, valeurs de niveau, défauts et réglages vérifiés par rapport au guide de réflexion de Google et à la couverture du lancement de Hydrogen le 13 novembre 2026. Les prix sont les taux du palier standard payé de Google et peuvent changer. Cette procédure a été vérifiée par rapport à ces documents et n’est pas présentée comme un test personnel avec une clé en direct.
Sources
- Google Cloud, Thinking, documentation Gemini Enterprise Agent Platform, valeurs de niveau, défauts par modèle, signatures de pensée et notes de prix, vérifié le 13 novembre 2026 : https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/thinking
- Google, billet de lancement de Gemini 4 Hydrogen, via la couverture Yoopya avec les faits de prix, de niveaux et de contexte, 13 novembre 2026 : https://www.yoopya.com/technology/artificial-intelligence/gemini-4-hydrogen-google-ai
- Hesham Saad, Gemini 4 Hydrogen, prix, niveaux de réflexion et notes de migration, 12 novembre 2026 : https://heshamsaad.com/en/gemini-4-hydrogen/
- Smteon, Gemini 4 Hydrogen, caractéristiques, niveaux de réflexion et forme REST, 13 novembre 2026 : https://smteon.com/blog/gemini-4-hydrogen
- Illustrations du héros et des leviers : Dirty Static
FIN DE LA TRANSMISSION
Restez curieux. Remettez tout en question.
